摘要:在线K12进入行业洗牌

一年5倍增长,过亿美元C系列融资,海风教育驰骋于K12在线一对一 | 爱分析访谈-ifenxi

根据Frost&Sullivan报告,2017年全国K12课外辅导现存市场高达4000亿元,是体制外教育支出中占比最高的部分。这其中,绝大份额来自于线下的K12教育培训机构。

线下教育机构重人力、重运营,建校选址又涉及到诸多政府关系资源等,规模化受制因素众多,市场极其分散。在线教育有望打破机构集中度低的困局,而对于K12来说,有效的教学模式仍然在探索验证。

海风教育创始人郑文丞认为,解决这一问题的方式只能是在线一对一。

细笔勾画在线一对一底层脚本

一年5倍增长,过亿美元C系列融资,海风教育驰骋于K12在线一对一 | 爱分析访谈-ifenxi

K12阶段的学习目标无非是应试,这个枯燥的过程决定了学习困难生很难凭借自律观看录播课。完课低、续费低等结果也充分说明了问题。一对一直播模式下强交互、强监控,在远程教学的弱约束环境下,一对一最容易达到效果。

在线下K12市场中,机构化运营是按照从大班到个性化的路径演进。早期一对一更多是个体家教,2010年前后,学大、精锐等专门的一对一机构开始兴起,并迅速在全国蔓延。而转到在线直播,一对一则是最早发力规模化的品类。

一对一和班课的标准化教研逻辑截然不同。班课是通过剧本成就演员的形式。郑文丞如是说,如果一对一采用同样的方式,会产生强烈的削足适履之感。

一对一的标准化需要更细的颗粒度做支持。海风的做法是,制作片段式的讲义。讲义以题目为基础单元,以题带知识点。题目属性由标签定义,并附带了标准讲解过程。教师需要的是对学生薄弱之处进行基本判断,再匹配适当题目。然后根据推荐,选择下一段讲义。一节课就是通过多个片段渐进式的编织起来。

K12漫长学习周期、加上不同学科、不同版本教材,构成了纷繁复杂的知识结构,知识点数量庞大。而这些基本的讲义撰写、题目打标签等全部需要人工,从零开始构建底层教研系统工程浩大。

教研和基础平台的打造,海风花了2年多时间。在郑文丞看来,想要未来真正在教学中渗透大数据、AI等技术,需要非常强的平台与数据支持,这些如同底层的钢筋水泥。否则,一对一依然要延续以教师水平为主导,机构品牌受制于教师水平方差下限的状态。

2016年底,伴随直播技术基础设施层面加速成熟,市场教育加深,海风启动大规模招生。与此同时,整个K12在线直播也进入行业的快车道。近3年来,海风保持了5倍左右高速增长。

科技驱力将完成在线教育降维打击

但是,以持续获客驱动的增长,并不构成核心竞争力。在线教育真正能在服务、体验上颠覆线下,是以数据和技术为依托的。

在郑文丞看来,在线教学不是简单把线下一对一模式搬到线上,而是从效率提升到真正的个性化。这其中,要经历三个阶段:

第一,   提升效率。在线教学最直接的节省了通勤成本;

第二,风险防范。在线教育将原本黑盒的教学过程透明化,教学过程被平台监控和记录,通过语音识别、NLP等一些技术辅助手段识别过程异常值,能提前做好防控。比如,当检测到现场互动性比较差,机构能及时反馈教师调整,降低退费、停课、投诉风险。

第三,个性学习。平台能以数据沉淀的方式将教学经验传承和迭代。传统课堂可采集的数据只有视频,价值有限。海风的在线平台能采集全部教学日志,比如,学生过往听了哪些知识,做了哪些题,错题情况,相近题目推荐等,形成一个链条。

有了丰富数据的沉淀,机器学习、AI等才有了落脚之地。随着学生、教师的使用,数据壁垒逐渐能被建立,最终目的是能更精准识别教师画像、学生画像,以及将二者更好的匹配起来,也就是因材施教。

海风对于教研的想法与好未来一拍即合,而向来以教研著称的后者也愿意助推一把。2018年上半年,海风获得了由好未来领投过亿美元C系列融资,而在数据、教研等更底层方面二者达成了更为深度的合作。

一年5倍增长,过亿美元C系列融资,海风教育驰骋于K12在线一对一 | 爱分析访谈-ifenxi

近日,海风教育创始人郑文丞,接受爱分析专访,就公司业务、运营、战略等进行了深入对话,摘取部分内容分享如下。

一对一在线渗透终将超过50% 将诞生百亿巨头

爱分析:在线一对一和班课的市场空间?

郑文丞:中小学课外辅导全国4000多亿市场,其中包含1v1/2/3在内的个性化辅导占1/4,也就是1000亿左右。

其中一对一增长快于行业平均水平。行业每年大约20%增长,一对一赛道至少有30-40%。在个性化教学市场当中,在线部分去年大概渗透率是1%,就十个亿左右,今年预测大概能到4%-5%,大概四五十亿体量。

再往后渗透率会进一步提高。我们判断在未来3-5年内在线部分的渗透率至少达到20%以上,终态在线部分的比例会达到50%以上,而且我们认为这是比较保守的估计。所以我们判断在线一对一赛道在未来3-5年内会达到500亿左右规模体量。

而行业的头部集中效会相对明显,前两、三名加起来可能会有50-70%。目前其实至少50-60%的水平。所以在这一预期下,我们判断行业最终会出现年GMV超过100亿的企业,并且还不止一家。我们看好这个赛道背后的核心原因之一,就是这个赛道在未来3-5年内会出现下一个新东方、好未来级别规模的企业。

横向比较班课,这个赛道要复杂得多。其实在线下它是一个经济模型看起来特别好的模型,因为毛利很好,到了线上以后,其实这件事情就不成立了。

虽然线上毛利依然好,老师成本占比仍然低。可同样在互联网上做招生,我们做一对一客均单是15,000元,可以花4000元获取一个用户。可是班课到了线上以后,它的客均单可能只有一两千块钱,意味着在线上同质化的市场招生渠道下,能够拿出多少钱获取一个学生,就是一个很大的问题。

所以今天我们看到在线班课这个赛道内彻底跑出来的,除了像学而思网校、新东方在线这样的机构以外,后面的相差很远,包括工具类玩家,获客其实都是核心问题。

所以在线班课其实有两个前提条件,第一个要有大规模的用户流量池,足以转化新用户。第二要有行业内品牌背书。好未来在今天是具备这两个条件的。

爱分析:当下会专注在一对一赛道?

郑文丞:是的。中小学课外辅导一对一赛道足够大、天花板足够高,我们在这个赛道内可以享受每年500-600%的增长,因此这个时间点没必要着急拓新的业务品类。

而对于小班课,可能会在一对一这个赛道跑到绝对领先的时候考虑,而且顺序是这样,先看一对二、一对三,因为这部分业务本质是拼车业务,就像滴滴不可能第一天就做拼车,肯定要积累足够多的用户才会开始组织拼车业务。

另外,班课的前提是对用户的路径轨迹有比较清晰的了解,能精准描绘用户的知识图谱,老师画像,才能知道哪几个学生,和哪个老师适合一起上课。

爱分析:在线一对一能否盈利?

郑文丞:一对一肯定是能盈利的。而且目前,在线一对一的经济模型是比线下要好的,因为我们中间砍掉了很多运营成本、场地费用。目前就单客模型来说,在新签用户是打平的,续费用户是能赚钱的。

这个行业其实是存在三本账的算法,现金流这本账我们肯定是占便宜的,因为我们都是预收款;会计准则这本账我们是吃亏的,因为我们全部都是预收的情况下,确认收入是有递延的,但我的市场费用和销售费用都是及时发生及时确认了,所以意味增长越快,短期亏损会越大,是不可能把盈利做出来的。

但只要保证自己的单客模型是健康的,市场费用和销售费用按照收付实现算,老师的成本按照权责发生算,再看一个用户的生命周期对应的各个部分的成本和费用,拆完以后新签是能够做平的,续费是能够赚钱的,意味着当保持这个经济模型发展的话,最终是有盈利能力的,也就意味只要增长放缓到了40-50%水平以后就会出现利润。

爱分析:在线一对一稳定时净利润能达到多少?

郑文丞:增长放缓到每年30-40%的增速时,整体净利润水平能够达到10%以上,但是面对的可能就是一个更大的市场。

爱分析:辅导行业市场增量来自哪?

郑文丞:客观讲是有增量,但是增量本身比例是非常低。一方面是更多的人群,本来接触不到好的教育培训机构,现在能接触到了能够参与;另一方面的增量是由单位客户的支出增加,家庭教育方面支出变大形成的。

在线教育终极命题因材施教 当下还处于平台和数据建设期

爱分析:平台采集哪些数据?

郑文丞:教学日志数据,包含老师是怎么备课的,看哪些题,每道题有多少时间,最后怎么选的,怎么预习的;当堂教学过程音频、视频、手写笔记,每道题怎么讲的、学生做对做错情况;课后如何布置作业、订正批改,包括测验、学生自己的练习,花了多少时间等。

爱分析:这些数据的应用价值是什么?

郑文丞:首先是质检环节。通过数据可以推测这个学生和家长的满意度,对应未来退费、停课、结课的风险。我们用谷歌模型跑历史数据,一个月内可以达到80%以上的预测准确率。反过来,这些数据可用于精细化的管理,预测高风险用户,进行重点改进和干预。

这一步解决的是运营效率问题,往后要解决的是行业终极问题,就是因材施教。这个行业优质师资太稀缺了,背后的原因是经验的积累和传承效率太低。一个老师要积累好多讲台经验,同时还要老教师带他,加上自己去迭代,这个过程其实是很漫长的。

而经验传承和积累的效率低,背后原因其实是数据的缺失。这是一个对于数据积累特别糟糕的行业,线下课程绝大部分上完之后什么也没留下来。而如果单纯只是用视频这种形式去采集的话,数据质量和数据信息量其实都是很差的。

所以我们采集教学过程中日志数据,就是把数据化的经验记录下来,不是用帮你带你的老师的经验去提升自己,二是所有的教师经验能够被记录和利用起来。

爱分析:质检环节中机器和人工如何分配?

郑文丞:传统的人工质检,对于教学管理这个环节,只能去基于一些特征去抽检,比如说停课、结课、退费、投诉,除此之外,其他的抽检比例很低,因为大量的教学过程不可能全部有人去听。

但是通过机器,我能提高抽检效率,划出更多比例识别出这堂课可能有问题,然后再让质检老师去听他的问题是不是成立,以及怎么能够去帮助他改进。比如说我们去识别课堂交互,如果一节堂课当中经常发生学生好长时间不讲话,可能意味着这个老师课堂互动不足。

质检所涉及的技术主要是语音识别、视频相关的人脸识别、眼球移动识别等,还有就行为日志识别NLPNLP目前还在推进中没有特别的完善,但我如果能够把所有的语音转成文字,以后的质检效率又变高了。

爱分析:和好未来达成哪些战略合作?

郑文丞:教研数据库是我们和好未来合作的点,双方都会贡献一部分,我们共享后端数据库。

在教研这件事情上,一对一和班课之间的差别,是一对一的套路很多,一定不可能全部都由人力完成,后续的套路是需要由大数据和大数据的相关的算法,机器学习、人工智能这些方法做到。

但其实要想套路铺的好,对于底层数据有几个维度的要求。第一,颗粒度要小,要到题为单位;第二是标准化结构化程度要高,打开以后题目答案详解,讲解思路都已经准备好了,包括一级二级三级知识点标签网络;第三个是完整覆盖,就是所有地区所有考纲的教材版本,都能够从一年级全部覆盖到。

短期主要比拼运营效率 用户黏性才是长期壁垒

爱分析:不同基因的企业做一对一有哪些优劣?

郑文丞:首先,一对一是个强运营的项目,像拍照扫题这类工具型项目来说,产品能力相对更强,管大型呼叫中心、管大规模老师经验远一些。

第二,赛道本身存在着变现问题。到今天为止,K12行业内所有的工具类项目,在变现环节还没有充分验证,尽管用户活跃很高,但绝大比例是学生用户,这就存在使用者和付费者分离这个绕不过去的问题。

爱分析:在线一对一在营销上的投入怎样增长?

郑文丞:随业务规模线性增长。这个模型在获客环节优化基本很难,就这个行业来看,大家都在说能不能把获客成本降下来,我认为这是不太可能的,而且也不应该是一家教育培训机构的主要方向。

教育培训行业其实是一个水龙头水塞子的模型。这个模型是说,我们最终需要续出来一缸水,首先要去研究怎么把水塞子塞牢,因为大家都知道这个行业获客成本很高,所以水费很贵,水塞子塞牢以后效率才比较高,另一方面如果塞不牢水都流出去,其实流出去的都是负面口碑,进一步的会推高获客成本。

底层教研就是把水塞子塞牢的过程。研究水龙头是不如研究水塞子的,原因在于今天获客成本已经是4000元,未来要涨到5000元,研究怎么控制到3500元就很难了。

相反,现在用户一次付费15,000元,我能够研究怎样让他们更大的比例去进行复购,其实就可以有效的把前端的市场费用很轻易的摊下来,这才是王道。

爱分析:各家获客差异会有多大影响?

郑文丞:会有差异,但不是本质的差异。也就是我的竞争优势不会建立获客上。比如我们的整体前端的运营效率会比同行会好一些,精细化程度会高一些,渠道跟踪、品牌投放方向上会有一些差异,手段上会有些差异,但这些东西不会带来本质的差别。

这个行业的胜负手最终是出现在用户留存、服务体验上。行业中短期来看拼的是运营效率,长期来看拼的是技术迭代。谁的科技内核强,谁就能够获得降维打击的优势。

爱分析:客单价增长空间有多大?

郑文丞:客均单的增长实际要控制。去年底前之前,我们客均单是不停在涨的,一方面是单位课时的价格在涨,更重要的原因是我卖的平均课时包在涨,最初卖40-50课时,到现在平均80-100课时。

之所以要控制课时包,原因在于所有学费都是预收款,用户随时可以退。虽然看起来ROI很好,但另一方面一旦退费规模大,会造成资金流问题。

第二是毛利会受到很大的影响。卖大课时包,一定会给到更多的课时包折扣;另外,91日开学以后学费升级,但是单位小时的课时包价格是卖的时候就决定了的,不会变。但老师成本是上涨的,初三的教师价格比初二高。

所以今年开始,我们把大课时包的优惠折扣砍了,课时费相同的情况下,消费者本身不会追求更多课时。

另外,行业里大家都会关注退费率,关乎着企业美誉度。在去年底之前,包括我们在内的全行业玩家,其实大都在做一件很鸡贼的事情,就是家长退费,每个月退到一定额度以后就卡死了,这个月退费额度用完了,就会不断向后顺延,最后越滚越大,于是可能最终每个月的退费率其实看起来很好,但是停课人数规模在快速增长,这个停课就是想退费退不出去的人。

所以我们会关注停课率这个指标,我们内部做过调研,结论很简单,就是你通过各种手段把客户硬留是没有用的,反过来这部分口碑对于美誉度的影响会比你老老实实退给他的影响更大。

所以取消退费限制,从短期内来看,从模型各方面角度来看,对我们是不利的。但是从长远来看,从健康经营角度出发还是很有意义的。

爱分析:兼职教师比例?

郑文丞:目前70-80%是由全职老师完成的,兼职承担其中一小部分。全职老师比例今后会逐步提高。

最终来看,很难保证百分百的全职员工,因为全职教师是代课量相对比较刚性的人群,简单讲比如一个全职老师一个月要代80-100节课,超过100节课也上不了,少于80节课又饿死了,会导致换平台,教师流失。

我们在每年保持5倍以上增长的情况下,很难准确的估计出在小的刚性带宽的范围内,到底多少的全职教师刚好适合我的发展节奏,所以兼职在当中扮演缓冲角色。伴随今后增速放缓,对教师增长的预期越来越明确,兼职的比例可以逐步下降,但是很难完全不需要兼职。